一般来说，你能想到为什么会发生这种情况吗？（即在Python中出现MemoryError，而在IPython（控制台，不是笔记本）中没有？）

更具体地说，我在使用sklearn的sgdclassifier，在multiclass和multilabel情况下。它在以下代码中报错：

model = SGDClassifier(    loss='hinge',     penalty='l2',     n_iter=niter,     alpha=alpha,     fit_intercept=True,    n_jobs=1)mc = OneVsRestClassifier(model)mc.fit(X, y)

在调用mc.fit(X, y)时，出现以下错误：

 File "train12-3b.py", line 411, in buildmodel    mc.fit(X, y)  File "/usr/local/lib/python2.7/dist-packages/sklearn/multiclass.py", line 201, in fit    n_jobs=self.n_jobs)  File "/usr/local/lib/python2.7/dist-packages/sklearn/multiclass.py", line 88, in fit_ovr    Y = lb.fit_transform(y)  File "/usr/local/lib/python2.7/dist-packages/sklearn/base.py", line 408, in fit_transform    return self.fit(X, **fit_params).transform(X)  File "/usr/local/lib/python2.7/dist-packages/sklearn/preprocessing/label.py", line 272, in transform    neg_label=self.neg_label)  File "/usr/local/lib/python2.7/dist-packages/sklearn/preprocessing/label.py", line 394, in label_binarize    Y = np.zeros((len(y), len(classes)), dtype=np.int)MemoryError

Y是一个有600万行的矩阵和k列，其中金标准标签为1，其余为0（在这种情况下，k = 21，但我想超过2000）。即使Y是以稀疏形式传入的，sklearn也会将其转换为密集矩阵（因此Y = np.zeros((len(y), len(classes)), dtype=np.int)导致MemoryError）。

我有60 GB的内存，对于21列来说，最多不应超过8 GB（600万 * 21 * 64），所以我很困惑。我将Y = np.zeros((len(y), len(classes)), dtype=np.int改为使用dtype = bool，但没有效果。

有什么想法吗？

回答：

听起来你遇到了当前标签二值化器实现的限制：请参见问题#2441。有一个PR #2458来修复这个问题。

请随时尝试那个分支，并将你的结果作为评论报告给那个PR。